自动基于区域的冠状动脉分割中的伪标签数据增强用于疾病诊断

Oct, 2023

自动基于区域的冠状动脉分割中的伪标签数据增强用于疾病诊断

Data Augmentation through Pseudolabels in Automatic Region Based Coronary Artery Segmentation for Disease Diagnosis

Sandesh Pokhrel, Sanjay Bhandari, Eduard Vazquez, Yash Raj Shrestha, Binod Bhattarai

TL;DR冠状动脉疾病（CAD）是导致死亡和残疾的主要原因之一，其诊断常具有困难和资源密集性。本研究提出了使用伪标签作为数据增强技术来改进基线 Yolo 模型性能的想法，在验证数据集中将基线的 F1 分数提高了 9％，在测试数据集中提高了 3％。

Abstract

coronary artery diseases(CADs) though preventable are one of the leading causes of death and disability. diagnosis of these diseases is often difficult and resource intensive. →

coronary artery diseases diagnosis segmentation angiographic images data augmentation

发现论文，激发创造

YOLO-Angio：冠状动脉解剖分割算法

我们提出了一种基于 X 射线血管造影图像的、能够自动化诊断冠状动脉疾病的自动区域冠状动脉疾病诊断的方法，该方法结合了经典计算机视觉的预处理和特征选择，通过增强血管对比度来提高血管分割的准确性，并利用 YOLOv8 生成血管图像并基于逻辑推理的方法重构冠状血管树以实现最终分割，我们在 ARCADE 挑战中获得了第三名，验证集和保留集的 F1 得分分别为 0.422 和 0.4289。

Oct, 2023

SSASS：半监督式狭窄分割方法

我们介绍了一种用于心血管狭窄分割的半监督方法，通过数据增广和利用伪标签的学习技术，实现了在冠状动脉造影图像中准确评估病患情况的自动诊断算法。

Nov, 2023

使用集成学习的多血管冠状动脉分割和狭窄定位

通过机器学习解决方案，该研究提出了一种用于冠状动脉造影图像的自动诊断的端到端解决方案，旨在在冠状动脉血管的多血管分割和狭窄病变定位方面进行基准测试。

Oct, 2023

基于部分血管标注的冠状动脉分割：自我训练和原型学习

基于部分血管标注提出一种弱监督学习框架，通过学习血管的局部特征、全局结构和特征原型，实现精确的冠状动脉分割，在冠状动脉 CTA 图像上超过了其他方法的表现，并且在血管的主干连续性上达到了与全注释模型相当的性能。

Jul, 2023

基于不确定性量化的冠状动脉语义标签的超级关联图匹配

冠状动脉语义标记的心脏血管图匹配模型通过将两个独立图之间的动脉分支进行匹配，实现了运用部分标记的动脉段对未标记的段进行分类和冠状动脉的语义标记，从而提高了冠状动脉语义标记的准确度，并在实时临床决策中具有高效的预测能力。